EVALUACIÓN EF73 MICROECONOMETRÍA
2023-2 Práctica Calificada
SECCION(ES) EN72 / EN73 / EX71 / EX72
PROFESORES(AS)
Mendoza Augusto /Ledesma Luis / Paredes Tania
JEFE(S) DE
Alpiste Heidi/ Jara Paolo / Vega Ray/ Zagaceta Junior
PRÁCTICA
Uso de la Información para el Pensamiento Crítico y Análisis Económico
COMPETENCIA(s):
Aplicado
INSTRUCCIONES
• Horario: De acuerdo con las indicaciones brindadas, la presente evaluación se
aplicará en el horario programado. Y tendrá una duración de 100 minutos, siendo que
deberá resolverse y entregarse de forma personal.
• Pautas Generales: Lea cuidadosamente las instrucciones especificadas en la presente
evaluación. En tanto que, en la calificación se considerará el orden de la resolución
de las preguntas, así como la entrega en su totalidad. Evite divagar en sus respuestas
y generar argumentos redundantes, pues este tipo de situaciones serán calificados
de forma negativa.
• Modalidades:
o Secciones Presenciales: Solo puede usar sus útiles personales (p.e. lapicero, lápiz,
corrector, etc.). En caso de consultas, puede levantar la mano y solicitar el apoyo a
la persona encargada de la evaluación. La entrega de sus respuestas será
físicamente, de forma manuscrita, y solo en este documento.
o Secciones A Distancia: Durante las Evaluaciones Continuas (PC, LC o CL) y
Evaluaciones Parcial (EA) y Final (EB) deberá tener la cámara encendida a lo largo de
la aplicación de la prueba. De no hacerlo, no tendrá posibilidad de reclamos sobre la
calificación asignada; y se le aplicará de forma aleatoria una evaluación oral (a
distancia) posteriormente para confirmar sus conocimientos y ajustar la nota, sin
derecho a reclamos. En caso de problemas técnicos o consultas, puede levantar
activar la función de participación ("mano levantada") y la persona encargada se
comunicará internamente con Usted. La entrega de sus respuestas será vía
Blackboard, a modo de capturas de imagen de su resolución manuscrita. Contará con
HASTA DIEZ (10) MINUTOS FINALES PARA CARGAR SUS RESPUESTAS A BLACKBOARD.
De no hacerlo, se le asignará la calificación NR (No Rindió).
• Plagio: No está permitido compartir las respuestas o buscar ayuda de alguna persona
ajena al curso. De darse el caso, se asignará la calificación de cero (00) en la totalidad
de la evaluación. En la calificación se comparará de forma aleatoria la letra
manuscrita de sus respuestas con la de sus evaluaciones previas, y con la de sus
compañeros(as). El uso de materiales de clase, lecturas y similares NO está permitido.
Página 1 de 3
Sección teórica (6 puntos)
1. Indique si los siguientes enunciados son verdaderos (V) o falsos (F), cada respuesta
debe ser justificada como mejor considere de manera concisa.
𝛽
a. Se tiene el siguiente modelo: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 3 + 𝑢𝑖 ¿Cumple con el supuesto de
linealidad de parámetros? (2 puntos)
b. El hecho de que el 𝑅 2 nunca disminuya cuando se agrega cualquier variable a la
regresión, hace del 𝑅 2 un instrumento muy confiable para decidir si agregar una
o varias variables. (2 puntos)
c. Bajo los supuestos del modelo de regresión lineal múltiple, los estimadores
obtenidos por MCO de los coeficientes 𝛽𝑗 y de la varianza 𝜎𝑢2 , son idénticos a los
obtenidos mediante el método de Máxima Verosimilitud (MV). (2 puntos)
Sección práctica (14 puntos)
2. (6 puntos) Se le pide calcular de manera matricial lo siguiente para la siguiente
ecuación:
𝒀 = 𝑿𝜷 + 𝒖
a. Calcular el estimador de Mínimos Cuadrados Ordinarios. (1.5 puntos)
b. Demostrar que el estimador 𝛽̂𝑀𝐶𝑂 es insesgado. (1.5 puntos)
c. Calcular la varianza del estimador 𝛽̂𝑀𝐶𝑂 .( 1.5 puntos)
d. ¿Qué supuestos del estimador MCO se deben de cumplir para que el
estimador 𝛽̂𝑀𝐶𝑂 sea insesgado y de mínima varianza? (1.5 puntos)
3. (4 puntos) Muestre que el estimador 𝛽̃ = {(𝑋 ′ 𝑋)−1 𝑋 ′ + 𝐴}𝑌 tiene una mayor
varianza que 𝛽̂𝑀𝐶𝑂 (nota: puede asumir que 𝐴𝑋 = 0).
4. (4 puntos) Se realizó una regresión para conocer los determinantes del ingreso, a
continuación, se presenta la especificación del modelo:
ln _wage = 𝛽0 + 𝛽1 𝐴𝑔𝑒 + 𝛽2 𝑇𝑒𝑛𝑢𝑟𝑒 + 𝑢
Variables Descripción
Ln_wage Ln(salario/Deflactor)
Age Edad
Tenure Estabilidad laboral expresada en años
Página 2 de 3
En base a ello, se le pide lo siguiente:
a. Interpretar el efecto de la edad sobre el ingreso de las personas. (1 punto)
. regress ln_wage age c.age#c.age tenure
Source SS df MS Number of obs = 28,101
F(3, 28097) = 1842.45
Model 1054.52501 3 351.508335 Prob > F = 0.0000
Residual 5360.43962 28,097 .190783344 R-squared = 0.1644
Adj R-squared = 0.1643
Total 6414.96462 28,100 .228290556 Root MSE = .43679
ln_wage Coefficient Std. err. t P>|t| [95% conf. interval]
age .0752172 .0034736 21.65 0.000 .0684088 .0820257
c.age#c.age -.0010851 .0000575 -18.86 0.000 -.0011979 -.0009724
tenure .0390877 .0007743 50.48 0.000 .0375699 .0406054
_cons .3339821 .0504413 6.62 0.000 .2351148 .4328495
b. Al corroborar los supuestos del modelo de MCO se tuvieron los siguientes
resultados, se le pide interpretar cada tabla y proponer una solución. (3
puntos)
. hettest
Breusch–Pagan/Cook–Weisberg test for heteroskedasticity
Assumption: Normal error terms
Variable: Fitted values of ln_wage
H0: Constant variance
chi2(1) = 97.72
Prob > chi2 = 0.0000
. vif
Variable VIF 1/VIF
age 79.71 0.012546
c.age#c.age 79.43 0.012590
tenure 1.24 0.804615
Mean VIF 53.46
. ovtest
Ramsey RESET test for omitted variables
Omitted: Powers of fitted values of ln_wage
H0: Model has no omitted variables
F(3, 28094) = 135.58
Prob > F = 0.0000
Página 3 de 3
